At give viden om avancerede deep learning metoder og modeller for computer vision, samt at give kompetencer til at anvende disse teknikker i forskellige anvendelser. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Udvælge, implementere og bruge state-of-the-art deep learning arkitekturer for klassiske computer vision opgaver så som klassifikation, segmentering og objektgenkendelse
• Anvende og undersøge deep learning modeller der kombinerer billeddata med andre modaliteter, så som tekst
• Implementere deep learning modeller for temporal billed data, så som videoer
• Forklare og implementere dype generative modeller for billedsyntese
• Beskrive, implementere og sammenligne alternative metoder for at træne deep learning modeller i situationer med begrænset adgang til data
• Vurdere kvaliteten af deep learning modeller både fra performance-synspunkt samt ansvarlig AI/etisk synspunkt
• Præsentere projekter og tilhørende resultater skriftligt og mundtligt
• Diskutere styrker, svagheder og samfundsmessige konsekvenser af state-of-the-art deep learning modeller.

Kurset giver en introduktion til avancerede emner indenfor deep learning for computer vision. Derfor vil øvelsernes fokus ligge på at implementere algoritmer og at bruge disse til at løse praktiske problemer indenfor computer vision indenfor emner så som: billedgenkendelse, sekvensiel data, generative modeller, videoforståelse, forklarbarhed og retfærdig AI. 24. november, 2023